ارائه الگوی تشخیصی اجتناب مالیاتی در شرکت‌ها با رویکرد داده کاوی Journal Article

Writer: اسماعیلی، زهرا ؛ رضایی، فرزین ؛ سجودی، امید ؛

مطالعات اقتصاد، مدیریت مالی و حسابداری پاییز 1397، دوره چهارم - شماره 3 (‎15 page(s) - From 110 to 124 )

Keywords: داده ﮐﺎوی اﺟﺘﻨﺎب ﻣﺎﻟﯿﺎﺗﯽ تقلب حسابداری روش ﺗﺠﻤﯿﻌﯽ بگینگ

Abstract:

ﭘﺮداﺧﺖ ﻣﺎﻟﯿﺎت از ﻃﺮف ﺑﻨﮕﺎه ﻫﺎ و ﺧﺮوج وﺟﻪ ﻧﻘﺪ از ﺷﺮﮐﺖ، ﻫﻤﻮاره ﻣﺪﯾﺮان را ﺑﺮ آن داﺷﺘﻪ ﺗﺎ ﺑﺎ روش ﻫﺎی ﮔﻮﻧﺎﮔﻮن ﺳﻌﯽ در ﮐﺎﻫﺶ ﻣﺎﻟﯿﺎت ﭘﺮداﺧﺘﯽ ﮐﻨﻨﺪ. اﻓﺮاط و ﺗﻔﺮﯾﻂ ﯾﺎ ﮐﺎرﺑﺮد ﻧﺎدرﺳﺖ از اﺳﺘﺎﻧﺪاردﻫﺎی ﺣﺴﺎﺑﺪاری در ﮔﺰارﺷﮕﺮی ﻣﺎﻟﯽ ﺑﻪ ﻃﻮری ﮐﻪ اﯾﻦ روش ﻫﺎ، ﻣﻐﺎﯾﺮ ﺑﺎ ﻗﺎﻧﻮن ﻣﺎﻟﯿﺎت ﻫﺎی ﻣﺴﺘﻘﯿﻢ ﻧﺒﺎﺷﺪ را، ﻣﯽ ﺗﻮان ﻧﺎم ﺑﺮد؛ ﮐﻪ ﻣﯽ ﺗﻮاﻧﺪ ﺑﯿﺎﻧﮕﺮ ﯾﮑﯽ از ﻧﯿﺖ ﻫﺎی ﻣﺘﻘﻠﺒﺎﻧﻪ ﺟﻬﺖ ﮐﺎﻫﺶ ﻋﻤﺪی ﻣﺒﻠﻎ ﻣﺎﻟﯿﺎت ﺑﺎﺷﺪ. ازاﯾﻦ رو ﻫﺪف اﯾﻦ ﻣﻘﺎﻟﻪ اراﺋﻪ اﻟﮕﻮی ﺗﺸﺨﯿﺼﯽ اﺟﺘﻨﺎب ﻣﺎﻟﯿﺎﺗﯽ ﺑﺎ ﺑﮑﺎر ﮔﯿﺮی روﯾﮑﺮد داده ﮐﺎوی در ﺟﻬﺖ ﻣﻌﺮﻓﯽ ﺑﻬﺘﺮﯾﻦ ﻣﺤﺎﺳﺒﻪ ﮔﺮ اﺟﺘﻨﺎب ﻣﺎﻟﯿﺎﺗﯽ و ﻧﺴﺒﺖ ﻫﺎی ﻣﺎﻟﯽ ﻣﺆﺛﺮ، ﺑﺮای اﺳﺘﻔﺎده ﻣﻤﯿﺰﯾﻦ و ﺳﺎﯾﺮ اﺳﺘﻔﺎده ﮐﻨﻨﺪﮔﺎن ﻣﺎﻟﯿﺎﺗﯽ ﻣﯽ ﺑﺎﺷﺪ. ﻧﻤﻮﻧﻪ آﻣﺎری ﺷﺎﻣﻞ 836 ﺳﺎل- ﺷﺮﮐﺖ )166 ﻣﻮرد دارای اﺟﺘﻨﺎب ﻣﺎﻟﯿﺎﺗﯽ اﻓﺮاﻃﯽ و 670 ﻣﻮرد ﻓﺎﻗﺪ اﺟﺘﻨﺎب ﻣﺎﻟﯿﺎﺗﯽ اﻓﺮاﻃﯽ( ﻣﺮﺑﻮط ﺑﻪ 76 ﺷﺮﮐﺖ در ﻃﯽ ﺳﺎل ﻫﺎی 85-95 ﻣﯽ ﺑﺎﺷﺪ. ﻣﺘﻐﯿﺮ واﺑﺴﺘﻪ، از ﻧﺴﺒﺖ ﺗﻔﺎوت ﻣﺎﻟﯿﺎت اﺑﺮازی ﺑﺎ ﻣﺎﻟﯿﺎت ﺗﺸﺨﯿﺼﯽ ﺑﺮ داراﯾﯽ ﻫﺎی اﺑﺘﺪای دوره ﺣﺎﺻﻞ ﺷﺪ. ﻫﻤﭽﻨﯿﻦ از ﺑﯿﻦ دو روش ﺑﮑﺎر ﮔﺮﻓﺘﻪ ﺷﺪه، روش ﺗﺠﻤﯿﻌﯽ-ﺑﮕﯿﻨﮓ و روش ﻧﺰدﯾﮏ ﺗﺮﯾﻦ ﻫﻤﺴﺎﯾﻪ، ﺑﺎ 83/25% از ﺑﺎﻻﺗﺮﯾﻦ ﺗﻮاﻧﺎﯾﯽ ﺟﻬﺖ ﭘﯿﺶ ﺑﯿﻨﯽ ﺑﺮﺧﻮردار اﺳﺖ.

Machine summary:

اقبال رحیمی کیا و همکارانش (٢٠١٧) از یک سیستم هوشمند ترکیبی برای تشخیص فرار مالیاتی بهـره گرفتنـد و یـک الگـوی طبقه بندی کننده ارائه کردند که بر روی داده های غذایی و نساجی مورد ازمون قرار دادند و به این نتیجه رسـیدند کـه اسـتفاده از شبکه های عصبی چند لایه در ترکیب با جستجوی هماهنگی دارای دقت بالاتری نسبت به سایر ترکیب ها است . از طرفی میزان پیش بینی صحیح ، با متغیر های منتخب در روش نزدیک ترین همسایه ، برای سال هایی که دارای اجتناب مالیاتی بوده اند، ٥١% و برای سال هایی که فاقد اجتناب مالیاتی بوده اند ٨٤ ٪ نتیجه گیری شده است که در نمای کلی دقت این روش ٧٨/٢٢ % می باشد. از طرفی میزان پیش بینی صحیح ، با متغیر های منتخب در روش نزدیک ترین همسایه ، برای سال هایی که دارای اجتناب مالیاتی بوده اند، ٥١% و برای سال هایی که فاقد اجتناب مالیاتی بوده اند ٨٤ ٪ نتیجه گیری شده است که در نمای کلی دقت این روش ٧٨/٢٢ % می باشد. Dyreng Scott D, Hanlon Michelle, Maydew Edward L(2008), Long-Run Corporate Tax Avoidance, The Accounting Review, vol 83, no 1, 61-82. Wu Roung-Shiunn, Ou Chin-Shyh, Lin Hui-ying, Chang She-I, Yen David C (2012), Using data mining technique to enhance tax evasion detection performance, Expert Systems with Applications, vol39, no 10, 8769-8777. Keywords: Tax Avoidance, Accounting Fraud, Data Mining, Bagging.

Download citation file :
(پژوهیار, , , )

Download PDF
Downlaod HTML

Shortlink:

Page: